| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的与意义 | 第11页 |
| 1.3 电网节能降损面临的形势 | 第11-13页 |
| 1.3.1 有利形势 | 第11-12页 |
| 1.3.2 不利形势 | 第12-13页 |
| 1.4 节能降损工作存在的主要问题 | 第13页 |
| 1.5 研究技术路线 | 第13-15页 |
| 1.6 本文的主要工作 | 第15-16页 |
| 第二章 主网线损预测模型建立及分析 | 第16-34页 |
| 2.1 基于粒子群算法的支持向量机主网线损预测模型 | 第16-17页 |
| 2.1.1 粒子群算法 | 第16页 |
| 2.1.2 支持向量机 | 第16页 |
| 2.1.3 基于粒子群算法的支持向量机主网线损预测模型的建立 | 第16-17页 |
| 2.2 基于人工神经网络的主网线损预测模型 | 第17-18页 |
| 2.2.1 人工神经网络算法 | 第17页 |
| 2.2.2 BP网络模型 | 第17-18页 |
| 2.2.3 基于人工神经网络的主网线损预测模型的建立 | 第18页 |
| 2.3 基于最小二乘法主网线损预测模型 | 第18-23页 |
| 2.3.1 基于最小二乘法的数据预测 | 第18页 |
| 2.3.2 主网线损率与供电量关系 | 第18-20页 |
| 2.3.3 损耗电量与功率因数和形状系数关系 | 第20-21页 |
| 2.3.4 基于最小二乘法的主网线损模型的建立 | 第21-23页 |
| 2.4 线损预测模型样本集 | 第23-27页 |
| 2.5 线损预测结果及分析 | 第27-34页 |
| 2.5.1 基于粒子群算法的支持向量机主网线损预测模型预测结果 | 第27-28页 |
| 2.5.2 基于神经网络的主网线损预测模型预测结果 | 第28-29页 |
| 2.5.3 基于最小二乘法主网线损预测模型预测结果 | 第29-34页 |
| 第三章 配网线损建模及分析 | 第34-51页 |
| 3.1 配网线路损耗模型 | 第34-38页 |
| 3.1.1 高压配网线路损耗模型 | 第34-36页 |
| 3.1.2 中压配网线路损耗模型 | 第36-38页 |
| 3.2 配网变压器损耗模型 | 第38-42页 |
| 3.2.1 高压配网变压器损耗模型 | 第38-40页 |
| 3.2.2 中压配网变压器损耗模型 | 第40-42页 |
| 3.3 高压配网损耗计算结果 | 第42-47页 |
| 3.3.1 线路损耗计算结果 | 第42-43页 |
| 3.3.2 变压器损耗计算结果 | 第43-46页 |
| 3.3.3 高压配网损耗计算结果 | 第46-47页 |
| 3.4 中压配网计算结果 | 第47-51页 |
| 3.4.1 线路损耗计算结果 | 第47-48页 |
| 3.4.2 变压器损耗计算结果 | 第48-49页 |
| 3.4.3 中压配网损耗计算结果 | 第49-51页 |
| 第四章 区域电网节能降损工作规划 | 第51-55页 |
| 4.1 规划降损 | 第51-52页 |
| 4.2 技术降损 | 第52页 |
| 4.3 运行降损 | 第52-53页 |
| 4.4 管理降损 | 第53-55页 |
| 第五章 结论与展望 | 第55-57页 |
| 5.1 主要结论 | 第55-56页 |
| 5.2 工作展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60-64页 |
| 攻读硕士学位期间取得的研究成果 | 第64-65页 |
| 致谢 | 第65-66页 |
| 附表 | 第66页 |
